Imposta le intestazioni utilizzando pandas.read_csv

Question

Ho un file csv che ho letto in un dataframe utilizzando l'API pandas. Intendo impostare la mia intestazione invece della prima riga predefinita. (Mi sbarazzerò anche di alcune delle righe.) Come faccio a raggiungerlo al meglio?

Ho provato quanto segue, ma questo non ha funzionato come previsto:

header_row=['col1','col2','col3','col4', 'col1', 'col2'] # note the header has duplicate column values 
df = pandas.read_csv(csv_file, skiprows=[0,1,2,3,4,5], names=header_row) 

Questo dà seguente errore -

File "third_party/py/pandas/io/parsers.py", line 187, in read_csv 
File "third_party/py/pandas/io/parsers.py", line 160, in _read 
File "third_party/py/pandas/io/parsers.py", line 628, in get_chunk 
File "third_party/py/pandas/core/frame.py", line 302, in __init__ 
File "third_party/py/pandas/core/frame.py", line 388, in _init_dict 
File "third_party/py/pandas/core/internals.py", line 1008, in form_blocks 
File "third_party/py/pandas/core/internals.py", line 1036, in _simple_blockify 
File "third_party/py/pandas/core/internals.py", line 1068, in _stack_dict 
IndexError: index out of bounds 

Allora ho provato le impostazioni delle colonne tramite

df.columns = header_row 

Ma questo errore è stato eliminato probabilmente a causa di valori di colonna duplicati.

File "engines.pyx", line 101, in pandas._engines.DictIndexEngine.get_loc  
(third_party/py/pandas/src/engines.c:2498) 
File "engines.pyx", line 107, in pandas._engines.DictIndexEngine.get_loc 
(third_party/py/pandas/src/engines.c:2447) 
Exception: ('Index values are not unique', 'occurred at index entity') 

Sto usando la versione 0.7.3 di Pandas. Dalla documentazione -

nomi: array come Lista dei nomi delle colonne

sono sicuro che mi manca qualcosa di semplice qui. Grazie per l'aiuto qui.

Answer 1

Pandas 0.7.3 non supporta i duplicati dell'indice. Sono necessari almeno 0.8.0, tra 0.8.0 e 0.8.1 diversi problemi con duplicati nell'indice sono fissi, quindi 0.8.1 (= ultima versione stabile) potrebbe essere la migliore. Comunque anche 0.8.1 non è una risposta al tuo problema, perché questa versione ha un issue con nomi di colonne duplicati (non puoi visualizzare un dataframe con nomi di colonne duplicati).